As regras que regem a economia da inteligência artificial estão sendo escritas por padrão, sem um debate público amplo e estruturado. Gordon Ritter, em uma análise para a Fortune, argumenta que o foco em empregos na discussão sobre IA é equivocado; o verdadeiro valor reside nos “rastros” que as pessoas deixam em sistemas digitais: correções, julgamentos, raciocínios e soluções criativas. Estes são, de fato, alguns dos ativos mais valiosos de uma empresa. A questão central, ainda sem resposta definida, é quem detém a propriedade desses rastros.

Ritter traça um paralelo com o início da radiodifusão na década de 1920, quando as emissoras americanas rapidamente ocuparam frequências antes que a legislação pudesse acompanhar. O Congresso, com o Radio Act de 1927 e o Communications Act de 1934, acabou ratificando o controle já estabelecido. A batalha burocrática sobre quem possuía as ondas de rádio serviu de precedente para a atual disputa sobre o controle da inteligência humana como recurso primordial para a IA. Se essa inteligência for tratada apenas como algo a ser extraído, o próprio motor de futuros avanços será drenado. Empresas que constroem sistemas de IA com base no trabalho de seus funcionários estão, implicitamente, reivindicando a propriedade do que um sistema aprende. Sem a definição de regras claras agora, as empresas que controlam os modelos mais poderosos ditarão os termos, e os demais terão que pagar por seu uso.

Plataforma: A Escolha é Fundamental

Ritter propõe um contrato social em três camadas para a economia da inteligência. Na primeira, a plataforma, o princípio central é a escolha. Nenhum modelo de IA deveria se tornar a infraestrutura inescapável para a inteligência. À medida que as capacidades dos modelos fundacionais convergem, a vantagem duradoura reside não no modelo em si, mas no “loop de aprendizado” que uma organização constrói sobre ele. Os provedores de modelos tendem a tornar a troca de plataforma custosa, muitas vezes vinculando organizações ao primeiro modelo que adotaram. O acesso à IA, argumenta Ritter, não deveria exigir a entrega da inteligência como condição de serviço. A capacidade de mudar de provedor de modelo sem perdas significativas é crucial para evitar a concentração excessiva de poder e garantir um ecossistema mais competitivo e flexível.

Organização: Soberania Sobre o Conhecimento Corporativo

Na segunda camada, a organização, o conceito-chave é a soberania. Os loops de aprendizado, fluxos de trabalho e o conhecimento de domínio que as organizações desenvolvem sobre as plataformas de IA pertencem a elas. A expertise humana está sendo cada vez mais convertida em dados de treinamento para IA. Empresas como a RedCompass Labs utilizam a Análise de Tarefas Cognitivas (CTA) para transformar horas de trabalho de especialistas em conjuntos de dados que ensinam a IA como esses profissionais raciocinam e tomam decisões. Quando funcionários utilizam ferramentas públicas de IA em seus trabalhos, eles inadvertidamente ensinam a um agente externo como a organização opera – um dos aprendizados mais valiosos para um modelo. Embora contratos corporativos frequentemente proíbam o treinamento com dados internos, as proteções em torno de rastros comportamentais e conhecimento de processos são menos claras. Nem todo fluxo de trabalho exige o mesmo nível de proteção. Operações rotineiras podem permanecer transparentes por padrão. No entanto, os “outliers” – o vendedor que ignora o roteiro e fecha um negócio, a solução de um engenheiro não documentada em nenhum manual – representam a parte gerativa do loop. A soberania sobre esses momentos de tomada de decisão e inovação pertence ao julgamento que alterou o resultado, e não à plataforma que apenas registrou a ação.

Indivíduo: Apreciação e Portabilidade do Julgamento

Na terceira e menos definida camada, a do indivíduo, Ritter foca na apreciação do julgamento humano. Ele defende que o julgamento de uma pessoa deveria valer mais ao deixar um emprego do que ao chegar. Os modelos de IA se tornam mais inteligentes aprendendo com o julgamento humano, mas a questão é se os humanos também se tornam mais inteligentes nesse processo. O que cada lado retém ao final da relação de trabalho? A IA pode se tornar um software de “muleta”, fornecendo respostas sem exigir que o usuário avalie a precisão, a qualidade ou sugira melhorias. Estudos mostram que alunos que usaram ferramentas como o ChatGPT como auxílio de estudo tiveram um desempenho inferior em testes de retenção posterior. Por outro lado, um tutor de IA projetado para que os alunos raciocinem antes de receberem as respostas demonstrou maiores ganhos de aprendizado. A tecnologia, idealmente, deveria aprimorar as capacidades humanas. A primeira geração de redes de coaching espalhava as táticas de melhores desempenhos; a próxima deve ajudar as pessoas a inventar novas, o que exige atrito. Sem isso, os trabalhadores podem atrofiar à medida que a IA avança.

Perguntas em Aberto e o Futuro da Inteligência Humana

Uma das questões mais complexas é como garantir que os indivíduos retenham o valor de seu próprio julgamento ao deixar uma organização. A ideia de um “passaporte cognitivo” – um registro portátil e anonimizado de como uma pessoa aborda problemas, excluindo dados confidenciais – surge como uma possibilidade. Isso permitiria que a empresa mantivesse o que aprendeu com os dados corporativos, enquanto o indivíduo manteria a propriedade de seu julgamento e padrões de trabalho. A tentação atual de usar a IA para reduzir o trabalho humano é o alvo errado; o objetivo deveria ser tornar o pensamento humano mais poderoso, duradouro e portátil. Estudos indicam que, embora a maioria das organizações esteja usando IA, poucas a escalaram. Este é o momento crítico para implementar princípios de escolha genuína. A inteligência gerada pelas pessoas deve se compor a favor delas, e não fluir para plataformas que não controlam. Humanos são o motor de mutação na era da IA, capazes de perceber e se adaptar a novas regras de mercado, algo que a IA, com suas regras fixas, ainda não pode fazer. As pessoas cujo julgamento treina os sistemas de IA de hoje devem ser tratadas como coautoras, não como mera matéria-prima.

Com reportagem de Brazil Valley

Source · Fortune